面向低时延服务的通信系统QoS感知路由优化方法研究

摘要：随着5G和未来6G通信技术的快速发展，对低时延服务的研究日益成为通信系统的重要研究方向。低时延服务可以满足实时要求，例如无人驾驶、远程医疗和自动化产业等。低时延服务必须由一个能够有效执行路由算法的通信系统提供以确保高速数据的传输过程。本文提出一种为延迟关键服务通信系统提供的QoS感知路由优化算法，采用不同的路由技术来优化传输路线以降低时延来提高服务质量。还比较了应用在低时延服务中的各种优化技术和方法，例如，遗传算法、粒子群优化、强化学习和蚁群算法，并对它们的延迟性能进行了评估。实证的结果表明，各种优化技术显著降低时延并有助于整体通信系统的服务质量的提高。

关键词：低时延服务；QoS感知路由；遗传算法；粒子群优化；蚁群算法

引言

卫星通信具有全球覆盖、高速传输、可靠稳定等优势，成为当今信息通信领域中不可或缺的重要技术。随着数据广播业务和多媒体业务的高速融合发展，不同类型业务的服务质量（Quality of Service，QoS）需求呈现多样化趋势。在卫星网络中，根据不同业务流量的QoS要求，将流量分类到不同的队列，并采用相应的转发策略，可以极大地提高卫星链路的资源利用率，从而在有限的卫星资源下，提升用户的服务体验。尤其是在低时延服务的需求不断增长的背景下，优化卫星通信网络的QoS感知路由策略显得尤为重要。通过合理调度和管理不同业务流量，结合高效的路由算法，能够在提升系统性能的同时确保低时延和高可靠性服务的提供。

一、低时延服务的定义

（一）低时延服务的特征

低时延业务主要是指实时准确的信息交互，一般也称为实时通信服务。它的主要特征是极高时效性和极小的时延。要求数据从一个地方到另一个地间的时延能够控制在微秒范围内，这种服务是面对具有时限敏感的事件做出及时的反馈。例如在无人驾驶应用中，这种低时延服务可以保证汽车设备和外部环境信息交互的时间不会超出几微秒，这样就能做出及时有效的判断。在提供低时延服务的网络系统中，除了在网络传输方面需要考虑外，还包括信号处理、数据路由和规划等，因此需要对其进行优化改进。通常的低时延服务主要靠高速、高效的网络结构设施和路径规划的高新技术以及高效的数据处理方法才能保证低时延系统的高效率性，即使在数据量庞大的网络系统中也能很快地作出反应。

（二）低时延服务的应用场景

在很多要求快速响应和实时处理信息的高价值场景中，低时延服务广为应用。比如，在自动驾驶环境中，保证汽车能在极短的时间内接收到来自传感器和车载设备的数据和其他信息，并据此做出安全的避障行为决策。同样，在远程医疗的环境里，该类低时延通信技术可同时传输患者的生理参数并在危及生命的情况下让医生做出及时的判断和决策。低时延服务在智能制造、工控自动化、虚拟/增强现实等诸多领域具有重要应用并发挥了重要影响，在该过程中，信息的高速、即时处理对于系统的高效稳定运行至关重要，引入低时延服务为其带来高效智能的解决问题手段。

（三）低时延服务的目标

低时延服务的主要目标是通过优化通信网络和计算资源，减少数据传输中的延迟，确保实时性和准确性。特别是在无线环境中该目标多指网络与计算层之间的信息传输时延低于一定的数值，以满足需要，如自动驾驶、在线游戏等。该服务也包含了对于数据预处理能力的要求，即在数据传输过程中不能因计算的引入带来时延。要实现该目标，则需要依赖可提供传输低时延与数据高处理能力的网络技术，如通过边缘计算、第五代移动通信(5G)，甚至未来的第六代移动通信(6G)，使得数据在更靠近用户的地点完成计算，而减少原本由在用户端放置数据中心带来的诸多延迟。总体而言，其目标就是在对于实时信息迅速反应层面上，以满足在实时性方面具有较高要求的各种应用场景的需求。

二、面向低时延服务的通信系统QoS感知路由技术

（一）基于最短路径的路由技术

基于最短路径的路由技术在低时延服务中广泛应用，它通过选择从源节点到目标节点的最短路径，最大限度地减少传输时延，确保数据的快速传输。例如在基于IP网络的视频通信系统里，常用最短路径计算法(如Dijkstra算法)来计算传送视频的数据的最短路径。比如在智能城市的监控应用中，摄像头产生的数据要在经过某些节点后传至控制中心。当采用最短路径路由的算法时，会选择路径中最少延迟的节点，实现数据流传送的优化，并将视频图像的迟滞和停顿降到最低。这样既能有效缩短数据传输的时间又能保证视频流的连续性和清晰度。不过，这种方法具有一定的局限性，在网络拥塞的状态下容易导致最短路径造成网络传输的不平衡，造成性能下降。

（二）基于负载均衡的路由技术

负载均衡路由技术能使网络流量得到合理的分配，避免出现某一条路径负荷过大而导致的网络时延增大以及降低网络性能等问题。对于低时延类型服务环境下的负载均衡显得格外重要，尤其是当网络中有大量的数据流需要流动时。例如对于内容分发网络(CDN)系统，视频流和数据流可能会发自于多个服务器，若选择的不均匀路由路径则可能会导致某些路径负载过重而其他的处于空闲状态，这就会导致时延的增加。在路由过程中可以采用负载均衡算法根据每条路由的当前负载情况和时延情况进行数据包的合理分配至多条路由之上。这种方式可以使得所有的路由的负载处于一个均值，从而使网络不会出现瓶颈并且不会因为某个节点承受能力过大而导致时延增加。在实际应用中，一家云计算企业便基于负载均衡的路由来控制来自不同客户的数据流公平地被传输到各个服务器以提高系统响应速度、稳定性和缩小网络延迟。

（三）基于多路径的路由技术

多路径路由即采用多条路径将信息进行传输，信息冗余度增大，网络的稳定性增加，还可以降低网络的传输时延，而对于具有低时延的服务而言，该方法除了提高网络的容量之外还能加强抗破坏的能力与预防失效现象的发生，以避免因某一条链路断开而导致业务的停滞。在高铁通信系统的案例里，列车实时位置信息需及时传输到中心管理系统，为避免因某一路径故障而导致信息丢失，运用多路径路由的方式。利用多条链路传输信息，若某一路径中断或时延，还有其他的路径可以进行传输数据，从而实现了瞬时响应，此种应用场景下，多路径路由技术同时兼顾了低时延的特点以及传输数据的安全性等，而且可以针对网络环境不同智能地选择出最优的路径，使得时延更优网络效益更好。

（四）基于SDN的动态路由技术

通过利用SDN（软件定义网络）的动态路由技术，可以在实时应对网络流量的瞬息万变的同时，提升低时延业务的转发效率。通过SDN，可以由集中控制器对全局进行管理，可以以更灵活、更智能的方式对通道做出更优化、合理的决策。对于低时延业务而言，SDN可变路由方案可以基于对实时网络流量以及时延的监测，在确定了路径上的网络拥塞以及时延问题后，就可以自动地将流量调整至最佳且时延最低的路径上，从而避免了传统静态路由带来的网络拥堵现象的发生。例如，在一台智能城市信息监控平台中，若干个摄像机在利用SDN网络将存储的视频信息上传至指挥中心时，利用SDN可以由集中控制器可以实时感知网络各条路径上的时延状况以及其所占资源比例，并据此自动择优选取时延最低的路径进行数据发送。倘若其中一条路径由于出现网络拥挤或是设备损坏而时延突然上升，SDN控制器就可以随时改变路径，确保数据传输的通畅。

三、面向低时延服务的通信系统QoS感知路由优化方法

（一）基于遗传算法的优化方法

遗传算法（GA）是一种模拟自然选择和基因遗传的优化方法，常用于解决复杂的路由优化问题。在面临低时延问题的业务情况下，该方法能够通过模拟种群进化实现最优的路由路径的搜索。在具体的应用中，一家企业将遗传算法路由优化系统部署在了企业数据中心内部网络的互联中，而传统的路由模式经常会造成某些路径上网络负载过于集中，造成网络时延偏大，但基于遗传算法能够从多种可能性的路径中选择网络时延较低的新路径的集合，并且对所选择的新路径的时延、带宽、负载等情况进行分析，然后根据适应度的结果，选择出较优的时延路径的集合，并在网络拓扑变化时做出调整，从进一步提高路径的选择质量上减少网络拥塞的情况，进而降低网络时延，提高网络的可靠与高效的数据传输。

（二）基于粒子群优化的优化方法

粒子群优化(PSO)算法是通过对鸟类在觅食过程行为分析，进而解决各种非线性和复杂问题的算法。针对具有低时延需求的通信路由配置，可以通过PSO根据网络实际情况自适应调整数据传输。某著名大型在线游戏企业已经引入PSO算法优化自身游戏的数据路由选择。考虑到网络游戏具备很高的时效性要求，因此游戏的数据需要在一个个服务器之间快速传输。引入PSO算法后，游戏服务器可以立即选择负荷较轻、传输时延较少的传输路径。通过调整每个“颗粒体”的位置和速度，PSO算法可以求解出一条最合适的路径，减小传输时延，且有效避免拥堵现象。PSO算法根据当前真实的网络情况，实时调整路径，将信息传输变得更高效，在网络负荷发生改变时做出反应。这样游戏厂商可以缩小游戏包的发送时间，提升玩家的游戏体验，确保实况交互稳定。

（三）基于强化学习的优化方法

强化学习(ReinforcementLearning，RL)是一种利用主体和环境交互来实现最优的一种优化算法。它可用来控制路由路径，优化通信系统的时间延迟和带宽利用率。对于延迟要求类服务的环境，例如，用于自动驾驶系统的数据传输，强化学习可以用来帮助系统在网络动态变化的情况下不断学习与作出最优选择。例如，一个自动驾驶系统需要实时获取感知系统收集的数据并传输到管理中心的同时保证很小的延迟。在该系统中，我们利用了基于强化学习的路由优化算法，主体与周围环境进行交流以逐渐改善其选择路径的方式，从而使传输时间延迟达到最小值，每当主体选择了新的路由后，根据传输时间延迟和带宽使用的实时情况发出响应，然后逐渐调整其选择策略，以找到最佳传输路径。因此，自动驾驶系统可以快速适应各种交通环境和网络负载的变化，从而有效提升数据传输性能，提高自动驾驶决策效率和准确性。

（四）基于蚁群算法的优化方法

蚁群算法(ACO)是一种基于仿生蚁群寻路机制的搜索算法，其优秀的潜在应用复杂网络路由优化的能力是非常强大的。由于此算法可以模拟多个路由的选择，针对低时延要求的通信业务来说，可以模拟出多条路由，从而选择出最优传输路由，提高网络带宽以及时延利用率。国内某电信运营商利用蚁群算法优化网络路由，特别是实时出现的突发流量和动态网络环境。这一路由优化技术则是按照蚁群寻找多条路由上资源的方式进行，在不断地寻找、测估多条路由中传输时间和网络流量，此过程中蚁群算法根据网络中的“信息素”流量来决定流向路由。当网络情况改变时，路由的改变情况能够使算法具有选择灵活的特点，满足低时延的需求。实践证明，基于蚁群算法的路由优化技术改善了通信网的延迟问题，提高了网络系统的反应时间和服务质量。在多种实验环境应用中，此路由优化技术帮助电信运营商提高数据传输效率，同时避免了传输路径堵塞导致时延过长的问题。

结语

通过不同优化方案设计来提升通信业务低时延要求下的QoS感知的路由调度效率。要对这些方案进行扩展设计，以实现路由行为的优化和低时延延迟的降低，比如采用遗传算法、粒子群算法、强化学习算法和蚁群优化算法进行动态路由路径选择实现低时延传输，实时监测网络情况，而传统路由选择模式不能实现这种效果。也就是说，在复杂条件下也能实现对性能的优化。也可以根据网络动态调度实现不同需求，而且也有效提升了低时延业务的可靠性和稳定性。实践表明，在网络中将优化后的路由选择应用于具体应用场景，无论是网络游戏还是无人驾驶、智慧生活都具有重要的实践和应用价值。

参考文献：

[1]丰雷,谢坤宜,朱亮,等.面向电网业务质量保障的5G高可靠低时延通信资源调度方法[J].电子与信息学报, 2021, 43(12):9-9.

[2]么欣桐,陈健,黎军.移动通信低时延高可靠业务资源预留算法研究[J].现代电子技术, 2022(017):045-045.

[3]吕航,阚拓,傅伟,等.电力物联网的低时延通信路由技术[J].自动化应用, 2023, 64(24):235-237.

[4]罗伟华.面向5G的车载无线通信低时延信道节点调度方法[J].贵阳学院学报:自然科学版, 2021, 16(4):4-4.

[5]杨瑾尚星宇刘丹谱.面向垂直行业的超可靠低时延业务时延分析[J].科学技术与工程, 2022, 22(31):13810-13816.